対象オーディエンスと実験コホートを特定する

Decisioning Studio Proでは、セグメントを2つの目的で使用します。1つはシナリオの対象者を決めること、もう1つは各消費者がどの実験コホートに属するかを決めることです。この例では、一般的なBrazeシナリオで設定する6つのセグメントと、それぞれの作成担当者について説明します。

意思決定がメッセージになるまでの流れについては、Decisioning Studio Proを始めるを参照してください。

仕組み

セグメントは、Decisioning Studioのシナリオで次の2つを定義します。

• 対象オーディエンス: マスターセグメントには、マーケティングにオプトインしていて、シナリオの対象になる可能性がある消費者が含まれます。Decisioning Studioは、このセグメントに含まれる消費者のプロファイルデータとエンゲージメントデータをダウンロードします。ベースセグメントには、この1つのシナリオの対象となる消費者が含まれます。
• 実験コホート: より小さなセグメントによって、消費者が受け取るトリートメントが決まります。トリートメントには、AIによる意思決定、ランダムな比較、通常運用 (BAU)、ホールドアウトがあります。各消費者は1つのコホートにランダムに割り当てられます。

Brazeでの標準的なDecisioning Studio Proシナリオでは、次のセグメントを使用します。

セグメント	説明	使用する場面
マスターセグメント	マーケティングにオプトインしていて、シナリオの対象になる可能性がある消費者が含まれます。複数のシナリオを実行する場合、マスターセグメントには、少なくとも1つのシナリオの対象となる消費者を含めることができます。	Decisioning Studioが考慮できる消費者のプロファイルデータとエンゲージメントデータをダウンロードします。
シナリオフィルターを適用したベースセグメント	この1つのシナリオの対象となる消費者が含まれます。	送信をリアルタイムで抑制し、最後のDecisioning Studioデータ同期以降も対象であり続けている消費者にのみメッセージが届くようにします。
AIコホート	AIによってパーソナライズされた選択を受け取るサブセットです。	主要指標に対するDecisioning Studioの増分効果を測定します。
通常運用コホート	現在のキャンペーンでの選択を受け取るサブセットです。	既存の戦略のベースラインを設定します。
ランダムコントロール	アクションバンクからランダムなアクションを受け取るサブセットです。	自動化された常時稼働のメッセージングのベースラインを設定します。
ホールドアウト	このシナリオからメッセージを受け取らないサブセットです。	オーガニックなパフォーマンスのベースラインを設定します。

役割と責任

セグメントはお客様のチームがBrazeダッシュボードで作成します。AI意思決定サービスチームは、Decisioning Studioパイプラインでランダム化を設定し、フィルターについて助言します。

タスク	担当	場所
各セグメントを作成する	お客様のチーム	Brazeダッシュボード
各セグメントにどの対象条件フィルターを適用するかを決める	AI意思決定サービスチーム (お客様のチームと共同)	シナリオ設計
消費者を実験コホートにランダムに割り当てる (方法と各コホートのサイズを含む)	AI意思決定サービスチーム (設計時にお客様のチームと合意)	Decisioning Studioパイプライン
キャンペーンとキャンバスにコホートセグメントを適用し、各コホートが適切なメッセージを受け取れるようにする	お客様のチーム (AI意思決定サービスチームのガイダンスのもと)	Brazeダッシュボード

前提条件

• ターゲットオーディエンスが定義されており、プロファイルフィルターが明確で、データがBrazeで利用可能になっていること。
• 消費者をAI、通常運用、ランダムコントロール、ホールドアウトの各セグメントにランダムに割り当てる方法について、お客様のチームとAI意思決定サービスチームが合意していること。

インバウンドデータ用のセグメントを作成する

ステップ1: マスターセグメントを作成する

マーケティングにオプトインしていて、シナリオの対象になる可能性がある消費者のセグメントを1つ作成します。

わかりやすい名前の例は「Decisioning Studio — Master」です。複数のシナリオを実行する場合は、少なくとも1つのシナリオの対象となる消費者を含めます。フィルターの例としては、「消費者が、シナリオで送信可能なチャネルにオプトインしている」があります。

このセグメントは、プロファイルデータと過去のエンゲージメントをDecisioning Studioに提供します。ダッシュボードでの手順については、セグメントを作成するを参照してください。

エンゲージメントに基づく対象条件は、このマスターセグメントに含めないでください。過去30日間に購入がないなど、対象条件が最近の行動に依存する場合は、AI意思決定サービスチームがDecisioning Studioパイプラインでそのルールを設定します。エンゲージメントのステータスは毎日変化します。購入した消費者は、そのコンバージョンがレポートに反映されるまで、データフィードに十分な期間残っている必要があります。

抑制とレポート用のセグメントを作成する

これらのセグメントは、お客様のチームがBrazeで作成します。AI意思決定サービスチームは、ランダム化とセグメントサイズについて助言します。

このシナリオの対象条件フィルターを適用したベースセグメントを作成します。たとえば、国が米国、カナダ、または英国である、といった条件です。このセグメントを使用して送信をリアルタイムで抑制し、最後のDecisioning Studioデータ同期以降も対象であり続けている消費者にのみメッセージが届くようにします。

セグメント	含まれる対象	目的	受け取るメッセージ
対象条件フィルターを適用したベースセグメント	シナリオの対象となる全員の日次ビュー (エンゲージメントに基づくフィルターを含む)	フラッシュセールなど、合意済みのシナリオ外の送信からこのオーディエンスを抑制し、最後の日次抽出以降に対象外となった消費者を抑制します	このセグメント単体ではなし。このセグメントは抑制リストです。
AI	AIコホートにランダムに割り当てられた対象消費者	Decisioning Studioの送信をAIコホートとランダムコホートに限定し、レポートでAIコホートを識別します	Decisioning Studioが選択したメッセージ
ランダム	ランダムコントロールにランダムに割り当てられた対象消費者	Decisioning Studioの送信をAIコホートとランダムコホートに限定し、レポートでランダムコホートを識別します	アクションバンクからのランダムなアクション
通常運用	通常運用コホートにランダムに割り当てられた対象消費者	通常運用の送信をそのコホートに限定し、レポートでそのコホートを識別します	通常運用のキャンペーンまたはキャンバスからのメッセージ
ホールドアウト	ホールドアウトにランダムに割り当てられた対象消費者	シナリオのキャンペーンからホールドアウトの消費者を抑制し、レポートでその消費者を識別します	このシナリオからのメッセージはなし

ステップ2: キャンペーンとキャンバスにコホートセグメントを適用する

設計時に、どのメッセージをどのコホートに適用するかを合意します。

• AIコホートは、APIトリガーのキャンバスまたはキャンペーンから、AIによってパーソナライズされた意思決定を受け取ります。
• ランダムコホートは、同じ送信を通じて、アクションバンクからランダムなアクションを受け取ります。
• 通常運用コホートは、通常運用のキャンバスまたはキャンペーンから、現在のルールに基づくメッセージを受け取ります。
• ホールドアウトコホートは、シナリオのキャンペーンから除外されます。

対象となる各キャンペーンまたはキャンバスに対応するセグメントを追加し、各消費者が自分のコホート向けの送信からのみメッセージを受け取るようにします。

他のカスタマーエンゲージメントプラットフォームを含むトリートメントグループの概要については、オーディエンスを定義するを参照してください。

ベストプラクティス

• 各実験コホートは、ベースセグメントとコホートの割り当てを組み合わせて作成します。オーディエンスの定義が変わった場合は、対象条件フィルターを適用したベースセグメントを更新すると、コホートもそれに追従します。
• シナリオ外のどのキャンペーンを各コホートが受け取るべきかを、設計時に合意します。レポートの比較可能性を保つため、シナリオ外のメッセージはすべてのコホートに送信するか、どのコホートにも送信しないようにします。
• このシナリオ専用のホールドアウトを使用します。グローバルコントロールグループは、メッセージをまったく受け取らないオーディエンスを測定します。シナリオのホールドアウトは、このシナリオからのメッセージを受け取らないオーディエンスを測定します。このシナリオのコホート同士を比較してください。

よくある質問

コホートを省略するとどうなりますか？

各コホートは異なるベースラインを測定しており、それによって増分パフォーマンスを読み取り、問題を調査できます。AI意思決定サービスチームはお客様と協力して、各コホートがその役割を果たせるサイズに設定しつつ、オーディエンスのできるだけ多くの部分がAIに最適化された意思決定を受けられるようにします。

ベースセグメントが小さい場合はどうなりますか？

小さなセグメントでは、結果のばらつきが大きくなります。ルックバック期間を長くする、地理的フィルターを減らすなどして対象条件を広げ、AI意思決定サービスチームと実用的なオーディエンスサイズを確認してください。

1つのコホートを複数のシナリオで使用できますか？

各シナリオには、それぞれ独立してランダムに割り当てた専用のコホートを用意してください。コホートを共有するとモデルが混在し、測定結果の解釈が難しくなります。